肿瘤诊断中的特征基因提取

基于基因表达谱的特征基因提取方法已经成为当今研究肿瘤分子诊断的热点,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤特征基因选择成为一件有挑战性的工作。提出了一种新的寻找特征基因的方法。首先基于区间间隔或覆盖比的方法来初步选出一些特征基因,而后删掉其中的冗余基因,达到以最少的基因数得到更高的分类准确率的目的。实验采用了3种肿瘤样本集来验证新算法的有效性。针对这3个样本集,只要2或3个特征基因就能得到100%的5-折交叉验证识别准确率。与其他肿瘤分类方法相比,显示了它的优越性。

智能革命:人工智能、机器学习、生物学习和智能材料的合力

2010年，一个特殊的年份，也许注定是人类从工业革命时代悄然迈入智能革命时代的转折点。这个新时代的初期表象是人们对人工智能技术掺杂着疑惑、追求（甚至是盲目追求）、惊讶、躁动、追概念，甚至也有些许的追星现象。这个时代将会孕育着新科学的产生和发展（学习科学（人工智能、机器学习、生物学习）、数据科学、数据驱动的数学、数据驱动的信息科学、数据驱动的统计学等），并且随着科学的发展逐步回归理性和系统性，但也会发展得更快、更稳，产生更深远广泛的影响。能否跟上智能革命（不仅是人工智能）的前进步伐将关系到一个国家和企业的生存能力。虽然目前还处于智能革命的前夜，但是人工智能、机器学习、生物学习和智能材料的合力将加速智能革命的到来。

超限学习机筑梦智能物联网时代

从20世纪50年代到20世纪80年代是人工智能的预热阶段，那个时候没有有效的算法，也很难有真正的引擎去推动。但是从20世纪80年代到2010年，我认为是研究驱动人工智能发展，所以那个时候已经有很多好的算法，包括现在很多好的算法都是在那个时候产生的，我们正在填补人工智能的理论、应用和产业之间的空白。老一辈做人工智能不太容易，因为他们很多的的算法，在很多情况下，工业界和产业界不太感兴趣。但是从2010年开始，我认为，真正的机器学习时代到来了，并且不可逆转。因为它的特点是到处是智能物，到处是超级计算能力的计算环境，到处是数据。

智能革命和智能经济:普适智能和云端智能的有机结合

这一年我们做了一些事情，重点聚焦于快速学习或是终端学习、本地化学习，有时候我们也用深度学习。深度学习和本地化学习我认为是一个很好的组合，尤其是智能革命、智能经济的到来，我觉得应该上下互通。各个本地的机器学习应该互通，云端智能和本地智能应该互通，形成一个完美的组合体。很多人认为现在是人工智能时代，但是从大方向讲，我认为是第三次生产力革命已经到来。这是一个和农业革命、工业革命并驾齐驱的时代，所以现在还处于初步阶段。我们有很多疑惑，人工智能在做什么？